遥感技术可以大范围、快速、动态、客观地获得秸秆覆盖信息,有效弥补地面监测空间不连续和以点带面的不足。但是由于受到土壤和绿色植被背景的干扰,仅利用耕作指数进行秸秆覆盖度估算时,其精度仍需进一步提高。中国科学院东北地理所农业遥感学科组研究人员以欧空局Sentinel-2遥感数据和地面实测秸秆覆盖度数据为基础,综合利用耕作指数和影像纹理特征,基于偏最小二乘回归方法,构建区域秸秆覆盖度模型。该模型有效地提高了模型的估算精度,为区域尺度的玉米秸秆覆盖度估算提供了一种便捷有效的新方法,实现区域秸秆覆盖度遥感制图,以期为地方保护性耕作的推广与农业补贴政策制定提供参考。
研究发现,1)NDTI、STI、SRNDI和NDI7与玉米秸秆覆盖度相关性更高,R2均在0.7以上;2)而在八个影像纹理特征参数中band8mean和玉米秸秆覆盖度相关性最高,R2在0.5以上;3)基于组合方法的估算精度最高,7种耕作指数和16种纹理特征的组合模型精度R2达到了0.783;4)不同纹理特征组合方法对于模型估算的精度影响较大,在部分组合的情况下,纹理特征的加入反而会稍微降低模型的精度

图1松嫩平原玉米秸秆覆盖空间分布

图2保护性耕作农田空间分布
相关论文发表在国际期刊Soil & Tillage Research上,中国科学院东北地理与农业生态研究所联培硕士研究生项小云为第一作者,杜嘉高级工程师为通讯作者共同完成。此项研究工作得到国家重点研发计划项目(2021YFD1500103),中国科学院战略性先导科技专项课题(XDA28080500)和国家基础调查专项课题(2018FY100300)的资助。
文章信息:
Xiang, X., Du, J.*, Jacinthe, P. A., Zhao, B., Zhou, H., Liu, H., Song, K. Integration of Tillage Indices and Textural Features of Sentinel-2A Multispectral Images for Maize Residue Cover estimation. Soil & Tillage Research, 2022, 221, 105405.
链接:https://doi.org/10.1016/j.still.2022.105405.
附件下载: